一种基于多特征显著性融合的输电线路巡检前景与背景分割方法技术

本发明专利技术公开了一种基于多特征显著性融合的输电线路巡检前景与背景分割方法，该方法包括无人机图像采集模块、机载图传模块、信息处理中心模块。信息处理中心的处理步骤为：首先将图像划分到不同颜色区间利用均值漂移算法聚类相似像素，计算颜色显著性值；再将图像转换到灰度空间，均值漂移算法聚类相似像素，计算梯度显著性值；然后计算像素块之间的纹理对比度差值，求出纹理显著性值；再根据中心距离法加权融合每个像素块的多特征显著性值，得出前景分割结果图；最后将原图减去前景分割结果图得到图像背景，实现前景与背景的分割。通过上述方法可以实现输电线路巡检中前景与背景的分割，帮助检修人员快速识别到多种电力配件。

【技术实现步骤摘要】
一种基于多特征显著性融合的输电线路巡检前景与背景分割方法
本专利技术涉及一种基于多特征显著性融合的输电线路巡检前景与背景分割方法，属于计算机视觉与输电线路巡检领域。技术背景随着国家经济的迅速发展，国家的电力系统飞速发展，输电系统遍布全国各地。然而电力系统的各种配件由于雷击、覆冰和外力破坏等的影响会造成整个输电系统的瘫痪，影响人们的正常生活，给社会带来巨大的经济损失。因此及时发现电力系统的故障是十分重要的。众所周知，人的视觉注意机制是指面对一个场景时，人类自动地选择感兴趣区域，而选择性地忽略不感兴趣区域，这些人们感兴趣区域被称之为显著性区域。利用图像的显著性特点，可以实现目标区域的快速定位。近年来，无人机技术进入了快速发展阶段，在各个领域得到了广泛应用，尤其是在电力系统上，不仅替代了人工巡检，还降低了巡检过程中的风险，提高了巡检的效率。人们可以通过航拍的巡检图像，结合其显著性特征，应用数字图像处理的方法，对航拍图像做进一步处理，实现输电线路巡检前景与背景的分割，并分析电力配件的状态，保障整个输电系统的正常运行。本文档来自技高网...

【技术保护点】
1.一种基于多特征显著性融合的输电线路巡检前景与背景分割方法，其特征在于，系统包括：无人机图像采集模块、机载图传模块、信息处理中心模块；搭载可见光相机的无人机实时拍摄图像，将采集到的图像信息经机载图传模块传送至信息处理中心模块进行分析处理。/n

【技术特征摘要】
1.一种基于多特征显著性融合的输电线路巡检前景与背景分割方法，其特征在于，系统包括：无人机图像采集模块、机载图传模块、信息处理中心模块；搭载可见光相机的无人机实时拍摄图像，将采集到的图像信息经机载图传模块传送至信息处理中心模块进行分析处理。


2.根据权利要求1所述的信息处理中心模块采用的是一种基于多特征显著性融合的输电线路巡检前景与背景分割方法，其特征在于，包括以下步骤：
(1)首先根据图像的颜色特征划分不同的颜色区间，然后用均值漂移聚类算法聚类具有相似颜色直方图的像素，再计算每个像素块的颜色显著性值；
(2)将图像转化到灰度空间，计算梯度特征，均值漂移聚类算法聚类具有相似颜色直方图的像素，再计算每个像素块的梯度显著性值；
(3)根据图像的纹理特点，计算每个像素块与其它像素块之间的对比度差值，按照不同像素块之间的距离差加权融合对比度差值，计算每个像素块的纹理显著性值；
(4)计算每个像素块的空间权重项，依次将像素块的颜色显著性值、梯度显著性值和纹理显著性值按照中心距离法加权融合，实现多特征显著性融合的输电线路巡检的前景分割；
(5)对分割后的图像进行膨胀腐蚀，保留前景的最完整边缘，再将原图减去前景得到背景图，实现输电线路巡检图像的前景与背景分割。


3.如权利要求2所述的一种基于多特征显著性融合的输电线路巡检前景与背景分割方法，其特征在于，在所述步骤(1)中，利用加权融合算法计算图像颜色显著性值salc(θj)的步骤如下：
(1)首先将采集到的图像转化到HSV颜色空间，然后把色调分量H划分成14个不同的颜色区间，每个颜色区间代表一个颜色等级k(k＝1，2，...14)，逐像素遍历图像，以i＝1为起始像素，计算每个像素i的H分量值并将其划分在对应的颜色等级k中，得到每个像素i对应的颜色直方图fcol(i)；
(2)利用均值漂移聚类算法设置一个半径为r的滑动窗口和随机选取的中心点O，以这个圆形的滑动窗口开始滑动，保留包含最多像素点的窗口，然后根据像素点i所在的滑动窗口进行聚类，将具有相似颜色直方图fcol(i)的像素分为一组集群，总共分为wc组集群，用一组向量表示，每一组集群中包含若干个像素i(i＝1，2，3...)，像素i的颜色显著性计算方法为：



其中salc(i)表示像素点i的颜色显著性值，以集群的像素数作为权重，为的平均颜色直方图值，为的平均颜色直方图值，λc1、λc2为权值，设为0.001，以排除平均误差；为的方差，为的方差；
(3)求出每个像素点i的颜色显著性值salc(i)之后，将图像化分为n个2×2的像素块θj(j＝1，2，3，...，n)，每个像素块表示为其中，im，n表示第m行第n列的像素点，im，n+1是第m行第n+1列的像素点，im+1，n是第m+1行第n列的像素点，im+1，n+1是第m+1行第n+1列的像素点，最后计算出每个像素块的颜色显著性值：
salc(θi)＝salc(im，n)+salc(im，n+1)+salc(im+1，n)+salc(im+1，n+1)
其中，salc(θi)表示第i个像素块θi的颜色显著性值，salc(im，n)是第m行第n列像素的颜色显著性值，salc(im，n+1)是第m行第n+1列像素的颜色显著性值，salc(im+1，n)是第m+1行第n列像素的颜色显著性值，salc(im+1，n+1)是第m+1行第n+1列像素的颜色显著性值。


4.如权利要求2所述的一种基于多特征显著性融合的输电线路巡检前景与背景分割方法，其特征在于：在所述步骤(2)中，计算梯度显著性值salg(i)的步骤如下：
(1)首先将巡检图像进行颜色空间归一化处理得到灰度图，采用求平方根的方法对光照不均匀的图像进行gamma校正；巡检图像经过颜色空间归一化后，先求出每个像素i水平方向的梯度值Ix和垂直方向的梯度值Iy，再根据Ix和Iy，计算出每个像素i的梯度幅值A(x，y)及梯度方向θ(x，y)；然后根据每个像素点的梯度方向，结合邻近4个像素点的值，按照该像素点距所求目标点的距离差赋予不同的权重，进行线性内插，将梯度幅值累加到梯度直方图fgrad(i)中，即可得出最后的梯度直方图；计算每个像素i的梯度幅值和梯度方向的方法为：
Ix＝G(x+1，y)-G(x-1，y)
Iy＝G(x，y+1)-G(x，y-1)






其中，A(x，y)为像素i的梯度幅值，G(x，y)表示空间位置在(x，y)处的像素的梯度值，Ix为水平方向的梯度值，Iy为垂直方向的梯度值，θ(x，y)([0，360°))表示梯度方向；
(2)利用均值漂移聚类算法设置一个半径为r的滑动窗口和随机选取的中心点O，以这个圆形的滑动窗口开始滑动，保留包含最多像素点的窗口，然后根据像素点i所在的滑动窗口进行聚类，将...

【专利技术属性】
技术研发人员：王胜，匡小兵，成云朋，陈文，李庆武，张杉，常心悦，周亚琴，马云鹏，刘艳，
申请(专利权)人：国网江苏省电力有限公司盐城供电分公司，河海大学，
类型：发明
国别省市：江苏;32